[发明专利]基于深度网络的多尺度行人检测方法有效
| 申请号： | 201610954990.1 | 申请日： | 2016-11-03 |
| 公开（公告）号： | CN106570564B | 公开（公告）日： | 2019-05-28 |
| 发明（设计）人： | 庞彦伟;尚楚博 | 申请（专利权）人： | 天津大学 |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08 |
| 代理公司： | 天津市北洋有限责任专利代理事务所 12201 | 代理人： | 程毓英 |
| 地址： | 300072*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于深度网络的多尺度行人检测方法，包括下列步骤：搭建Caffe深度学习框架，使用ImageNet数据库训练好的VGG模型；构造大，中，小尺度的三列卷积神经网络，三列并联网络最后的特征通道大小相同，数目不同，尺度越大，数目越多，以使得各列卷积网络所学习到的特征能适应于不同尺度的行人；利用Caltech行人数据库对三列卷积神经网络进行微调；调整不同尺度并联网络的深度，尺度越大所对应的网络深度越深；利用Caltech行人数据库对深浅网络进行微调。本发明能充分挖掘图像中不同尺度行人的特征，增强大尺度行人和低尺度行人的特征区分力，从而显著的提高行人检测性能。 | ||
| 搜索关键词： | 基于 深度 网络 尺度 行人 检测 方法 | ||
【主权项】：
1.一种基于深度网络的多尺度行人检测方法，包括下列步骤：步骤1：搭建Caffe深度学习框架，使用ImageNet数据库训练好的VGG模型；步骤2：构造大，中，小尺度的三列卷积神经网络，三列并联网络最后的特征通道大小相同，数目不同，尺度越大，数目越多，三列卷积神经网络分别对应不同尺寸感受野的滤波器，以使得各列卷积网络所学习到的特征能适应于不同尺度的行人；步骤3：利用Caltech行人数据库对三列卷积神经网络进行微调；步骤4：调整不同尺度并联网络的深度，尺度越大所对应的网络深度越深，尺度越小对应的网络深度越浅；步骤5：利用Caltech行人数据库对深度网络进行微调，训练好用于行人检测的三列卷积神经网络。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于天津大学，未经天津大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201610954990.1/，转载请声明来源钻瓜专利网。
